Freedman–Diaconis Rule

Türkçe karşılığı: Freedman–Diaconis KuralıAlan: Veri Sistemleri

Çeyrekler açıklığına ve örneklem büyüklüğüne dayanarak histogram sınıf genişliğini tahmin eden yöntem.

Freedman–Diaconis Kuralı, histogram sınıf genişliğini veri kümesinin merkezdeki yayılımına göre seçer. David Freedman ve Persi Diaconis'in 1981 tarihli yoğunluk tahmini çalışmasıyla ilişkilidir. Tek değişkenli bir örneklem için yaygın kural:

h = 2 × IQR / n^(1/3)
IQR = Q3 − Q1

Burada h önerilen sınıf genişliği, n gözlem sayısıdır. IQR, gözlemlerin ortadaki %50'sinin yayılımını ölçer. Gözlem sayısı arttıkça genişlik n^(−1/3) oranında küçülür; histogram daha ayrıntılı hale gelebilir.

Hesaplama

n=125, Q1=12, Q3=22 ise IQR=10 ve n^(1/3)=5 olur. Önerilen genişlik h=4 birimdir. Ölçülen açıklık 40 birimse yaklaşık 40/4=10 sınıf gerekir. Gerçekte tam sayıya yuvarlama ve sınıf kenarlarının yerleştirilmesi ayrıca yapılır.

Dayanıklılık ve sınır durumları

IQR, uç gözlemlerden standart sapmaya göre daha az etkilenir; bu nedenle Scott Kuralı ile aynı veri üzerinde farklı sonuç verebilir. Ancak IQR=0 olduğunda formül sıfır genişlik üretir. Çok sayıda tekrar eden değer içeren örneklemlerde farklı bir sınıf kuralına geçmek veya verinin ayrık yapısını açıkça göstermek gerekir. Çok küçük örneklemlerde önerilen genişlik güvenilir bir dağılım şekli vermez; çok tepeli yapılar için de tek başına başarı garantisi yoktur.

Çeyrekler açıklığı ve histogram sınıf genişliği hesaplamanın iki bileşenidir. Sturges Kuralı yalnız örneklem sayısını kullanır; İstatistiksel Histogram maddesi genişliği değişen sınıfların nasıl yorumlanacağını açıklar.